[发明专利]考虑用户行为的电动汽车光伏充电站优化调度方法

摘要

本发明公开了一种考虑用户行为的电动汽车光伏充电站优化调度方法，也就是只有当购电电价高于车载蓄电池放电损耗时，电动汽车才给电网供电。为此，本发明根据实测数据，利用B样条曲线经过初步拟合和局部修正两个步骤分别建立了放电深度和环境温度对蓄电池循环寿命影响的数学模型，并利用放电深度因子和温度因子综合考虑两者对蓄电池循环寿命的影响，从而得到车载蓄电池每次放电行为所对应的放电损耗。在此基础上，以储能系统的出力和与大电网的交互功率为优化变量，系统运行成本最小为优化目标，建立了该系统的日前优化调度模型，并采用自适应遗传优化算法对其进行求解。本发明对延长电动汽车蓄电池的使用寿命和推动可再生能源发展有一定的意义。

主权项

1.考虑用户行为的电动汽车光伏充电站优化调度方法，该方法具体包括以下步骤：步骤1、由以往的光伏发电数据和天气预报数据预测第二天电动汽车光伏充电站每个时刻的光伏发电功率。步骤2、根据历史数据的分析，给出每台电动汽车蓄电池初始SOC状态、到达和停泊时间。步骤3、建立电动汽车蓄电池循环寿命与蓄电池的放电深度和环境温度之间的函数关系式。为了得到蓄电池的循环寿命与蓄电池放电深度和环境温度之间的关系，利用B样条曲线根据实测的实验数据分别对其进行拟合。为了提高曲线拟合的精度，拟合的过程都分为初次拟合和局部修正两个环节。首先利用B样条曲线拟合蓄电池放电深度与循环寿命之间的关系。由于在众多影响因素中，蓄电池放电深度对循环寿命的影响最大，因此选择三次B样条曲线对其进行拟合和修正。根据实测的实验数据，基于三次B样条对其进行初次拟合，得到循环寿命与实时放电深度D之间的函数关系式如(1)所示：L_Db(D)＝α₀·D⁴+α₁·D³+α₂·D²+α₃D+α₄(1)式中，L_Db为初步拟合的受放电深度影响的蓄电池循环寿命，α₀，α₁，α₂，α₃和α₄为对应的系数。将拟合曲线与实测数据进行对比，找到拟合误差大于E的区域。对拟合误差大于E的区域，在初次拟合得到的曲线上对应的区域选择采样点，再次利用三次B样条曲线基于这些采样点和该区间原有的实验数据进行局部修正拟合，直到拟合结果误差小于E’的范围。从而得到局部拟合曲线的表达式如(2)所示：λ₁(D)＝ε₀·D⁴+ε₁·D³+ε₂·D²+ε₃D+ε₄   (2)式中，λ₁为局部修正的受放电深度影响的蓄电池循环寿命，ε_i为局部修正拟合后对应的系数，其中i＝0,1,2,3,4。此时，D的取值范围为拟合误差大于E的区域。其他取值范围内λ₁(D)＝0。因此，最终蓄电池放电深度D与蓄电池循环寿命L_D的函数关系式如(3)所示：L_D＝L_Db+λ₁   (3)同理，利用二次B样条曲线得到蓄电池环境温度T与循环寿命之间的初始拟合函数关系为式中，L_Tb为初步拟合的受温度影响的蓄电池循环寿命，为拟合多项式的系数，其中t＝0,1,2。通过拟合曲线与实测数据的对比，找到拟合误差大于S的区域，对拟合误差大于S的区域，在初次拟合得到的曲线上对应的区域选择采样点，再次利用二次B样条曲线基于这些采样点和该区间原有的实验数据进行局部修正拟合，直到拟合结果误差降低到3％以下。得到的局部修正拟合曲线的表达式如(5)所示：λ₂＝κ₀·T²+κ₁·T+κ₂   (5)其中，λ₂为受环境温度影响的蓄电池循环寿命，κ_j为拟合多项式的系数，其中j＝0,1,2。由此，最终得到的环境温度T与蓄电池循环寿命L_T关系式如(6)所示：L_T＝L_Tb+λ₂   (6)综合放电深度和温度对镍氢蓄电池的循环寿命的影响，采用权重的方法，定义蓄电池循环寿命的放电深度因子η_DOD如式(7)所示，蓄电池循环寿命的温度因子η_TEM如式(8)所示，则温度和放电深度共同影响下蓄电池循环寿命L的计算方法如式(9)所示。L＝η_DOD·η_TEML_N   (9)式(7)‑(9)中，L_N为蓄电池的额定循环寿命。步骤4、对于在电价高峰时段停靠在电动汽车光伏充电站的电动汽车，计算每台电动汽车蓄电池此时V2G的放电损耗费用W。W由式(10)‑(11)计算得到。Γ＝L·C_R   (11)式中，C_Z为蓄电池的初始投资；Γ为蓄电池的实际吞吐量，C_R为蓄电池的额定容量。将该费用与电网提供的购电电价进行比较，若是电动汽车的放电损耗费用高于购电电价，电动汽车用户将不参与V2G模式；反之，则电动汽车用户参与V2G模式，在高峰期给电网供能，缓解电网供电压力，用户也可通过此途径获得收益。从而确定所有参与V2G的车辆台数。步骤5、而对于非高峰电价到达光伏充电站的电动汽车，是不参与V2G的。根据每辆电动汽车蓄电池自身荷电状态SOC，判断是否需要充电。电动汽车充电采用恒功率充电计算每一时刻需要充电的电动汽车台数，进而确定各个时刻的充电负荷。步骤6、比较每个时刻光伏发电功率与电动汽车充电负荷的大小。若光伏发电功率大于电动汽车充电负荷时，多余的光伏发电功率优先给光伏充电站自带的储能系统充电。若储能系统充满后仍有剩余功率，则光伏充电站向大电网进行售点；反之当光伏发电功率小于电动汽车充电负荷时，则优先利用储能系统给电动汽车进行充电，若仍不能满足充电负荷的需求时，则从大电网进行购电以满足光伏充电站功率平衡的要求。步骤7、以储能系统蓄电池每个时刻的SOC为优化变量，以最小化光伏充电站运营成本F为调度目标，其中光伏充电站的运营成本包括光伏发电成本、储能系统充放电成本、电动汽车充放电成本和向大电网买电和卖电的成本，如式(12)所示。式中，C₁、C₂分别为每kW功率对应的光伏发电成本、储能设备出力成本；C₃为电动汽车参与V2G每kW功率的收益费用；P_PV，t为第t个时刻光伏系统的发电功率；P_CD,t为第t个时刻蓄电池的出力；P_sell,t为第t个时刻的卖电功率；P_buy,t为第t个时刻的买电功率；P_evsell,t为第t个时刻V2G的卖电功率。该优化调度问题的约束分为两类：一是设备模型约束，包括储能系统蓄电池和电动汽车蓄电池，为防止储能设备过充和过放的发生，其荷电状态SOC应满足上、下限的限制约束。另一类约束为系统运行约束，即系统在运行中应该满足的约束，这类约束包括系统运行时每个时刻都应该满足功率平衡约束和在调度周期内的初始和终止时刻储能系统蓄电池的SOC应当保持一致。步骤8、采用自适应遗传算法在寻优过程中对遗传参数进行自适应调整，并利用罚函数法来处理约束条件，得到该优化问题对应的优化变量和目标函数值，即储能系统蓄电池和大电网在各时段的出力以及光伏充电站总的运行成本。